AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs xAI: Grok 4.20

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-29

Метрика	DeepSeek V3.2 DeepSeek V3.2 none Релиз: 2025-12-01	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31

Метрика	DeepSeek V3.2 DeepSeek V3.2 none Релиз: 2025-12-01	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31
Оценка	6.2	7.0
Ранг	#97	#80
Надежность	10.0	10.0
Стабильность	8.3	8.4
Тестов верно
Доля успешных попыток	48.3%	63.3%
Нестабильные тесты	4	4
Всего запусков	60	60
Стоимость за результат	0.222	7.616
Общая стоимость	$0.018	$0.838
Цена входа	$0.252 / 1M	$1.250 / 1M
Цена выхода	$0.378 / 1M	$2.500 / 1M
Выходные токены	11,159	1,816
Токены рассуждений	0	157,251
Время ответа (среднее)	14.43s	19.08s
Время ответа (макс.)	115.89s	105.80s
Время ответа (суммарно)	288.55s	381.60s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	3.8	8.2	12.5%	1		9.35s	1,073	0
Grok 4.20	8.2	7.9	83.3%	1		3.95s	287	8,312

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	3.1	5.4	16.7%	1		20.87s	4,522	0
Grok 4.20	4.1	1.8	50.0%	2		65.07s	265	40,877

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	6.5	10.0	0.0%	0		115.89s	2,887	0
Grok 4.20	10.0	10.0	100.0%	0		17.40s	232	9,556

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	6.3	5.8	66.7%	1		9.42s	1,710	0
Grok 4.20	10.0	10.0	100.0%	0		4.17s	180	5,333

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	3.2	6.9	16.7%	1		4.17s	21	0
Grok 4.20	5.3	10.0	33.3%	0		27.03s	375	49,339

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		9.32s	43	0
Grok 4.20	3.9	2.6	33.3%	1		24.48s	65	6,440

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		1.52s	66	0
Grok 4.20	9.8	10.0	100.0%	0		4.26s	57	6,419

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		6.91s	298	0
Grok 4.20	7.7	10.0	66.7%	0		6.22s	149	7,913

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	10.0	10.0	100.0%	0		11.85s	522	0
Grok 4.20	3.0	10.0	0.0%	0		13.68s	197	6,620

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
DeepSeek V3.2	3.0	10.0	0.0%	0		17.23s	17	0
Grok 4.20	3.0	10.0	0.0%	0		63.48s	9	16,442

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 ProhighvsGrok 4.20medium Claude Sonnet 4.6nonevsGrok 4.20medium DeepSeek V3.2nonevsGPT-5 Nanomedium Qwen3.6 Max PreviewnonevsGrok 4.20medium Step 3.7 FlashhighvsGrok 4.20medium DeepSeek V3.2nonevsNemotron 3 SupermediumБесплатно доступно Ring-2.6-1TnonevsGrok 4.20medium DeepSeek V3.2nonevsgpt-oss-120bmediumБесплатно доступно Gemma 4 31BnoneБесплатно доступноvsGrok 4.20medium DeepSeek V3.2nonevsOwl Alphamedium Claude Opus 4.8nonevsGrok 4.20medium DeepSeek V3.2nonevsMercury 2medium